请选择 进入手机版 | 继续访问电脑版
搜索
房产
装修
汽车
婚嫁
健康
理财
旅游
美食
跳蚤
二手房
租房
招聘
二手车
教育
茶座
我要买房
买东西
装修家居
交友
职场
生活
网购
亲子
情感
龙城车友
找美食
谈婚论嫁
美女
兴趣
八卦
宠物
手机

何帆 你知道神经符号人工智能吗? 第一元素师 前夫滚开

[复制链接]
查看: 60|回复: 0

1万

主题

1万

帖子

4万

积分

管理员

Rank: 9Rank: 9Rank: 9

积分
48405
发表于 2020-10-18 22:32 | 显示全部楼层 |阅读模式
这是写在帖子头部的内容几年前,科学家们领会到关于野鸭的一些分歧平常的工作。假如小鸭子诞生后看到的第一件工具是两个类似的物体,那末小鸭子随后会关注一样类似的成对物体。
你知道神经符号人工智能吗?  外汇

比如在诞生时看到两个红色球体的幼雏,随后会对两个色彩不异的球体表示出偏好,即使它们是蓝色的。不知何以,这些小鸭子们记着了类似的概念,在这个例子中就是物体的色彩。类似的,它们也可以在别的分歧的概念上留下印记。
但是小鸭子们绝不吃力就能做到的工作,对野生智能来说却很是困难。野生智能研讨的分支“深度进修”或“深度神经收集”特别如此。2016年,野生智能曾凭仗这项技术击败了天下围棋冠军李世石。但除非他们研讨了数以万计甚至是数以亿计的例子,否则这些深网很难弄清楚物体之间简单的笼统关系以及关于它们之间的逻辑推理。
你知道神经符号人工智能吗?  外汇

为了构建可以做到这一点的野生智能,一些研讨职员正在将深度神经收集与研讨界所说的“优异的老式野生智能”(也被称为意味性野生智能)杂交。这类被称之为“神经标记野生智能”的后代,表示出了类似于小鸭子的才能。纽约大学计较机和认知科学家布伦登·莱克暗示,这是现今机械进修中最使人兴奋的范畴之一。
虽然神经标记野生智能仍处在研讨尝试室阶段,但这些杂交后的产物证实,它们长于识别工具的属性,比如可见图像工具的数目和他们的色彩和质地等等。它们还长于询问,比如它们会问这些球体和立方体能否都是金属的。
另一个相当重要的上风是,与标准深度神经收集相比,这些夹杂收集需要的练习数据要少很多。而且它们利用的逻辑更轻易被了解,使人类有能够猜测野生智能是若何做出决议的。
你知道神经符号人工智能吗?  外汇
计较神经学家大卫·考克斯
计较神经学家大卫·考克斯是位于马萨诸塞州剑桥市的麻省理工学院-IBM沃森野生智能尝试室的负责人,他说:“不管在那里把这些夹杂在一路,缔造出来的都比把各部分加起来的还多!
老式的父级野生智能

神经标记野生智能的怙恃在野生智能范畴都有着悠久的历史,它们各有优弱点。正如它的名字所暗示的那样,老式的父级野生智能可以处置标记,也就是代表天下上某些工具的名字。例如,为模拟小鸭而构建的早期野生智能,可以用诸如“球体”,“圆柱体”和“立方体”之类的标记来暗示物理工具;用诸如“红色”,“蓝色”和“绿色”之类的标记代表色彩;用“大”和“小”暗示物体的标准。
你知道神经符号人工智能吗?  外汇

它们会将这些标记存储在所谓的常识库中,而这个常识库还有一条通用法则,就是规定两个工具的巨细,色彩或外形不异,则它们是类似的。此外,野生智能需要可以领会一个命题,可以晓得它所面临的是一个什么样的物体,色彩巨细若何。一切这些都被编译为计较性可以了解的法式说话。
在有了这个常识库和可以了解命题后,标记野生智能操纵一个推理引擎,利用逻辑法则往返答查询。法式员可以问它球体和圆柱体能否类似。野生智能会回答“是”(由于它们都是红色的)。当被问及球体和立方体能否类似时,它会回答“不类似”(由于它们的巨细大概色彩分歧)。
你知道神经符号人工智能吗?  外汇

现在看来,这类可以处置标记的老式父级野生智能的一个缺点是它没法处置数据中的题目。比如你向它提出一个没有出现在它的常识库大概是一个毛病的题目时,它就会失利。在小鸭子的例子中,野生智能不晓得金字塔和立方体能否类似,由于常识库中不存在金字塔。是以,为了有用地停止推理,标记野生智能需要一个很大的常识库。而这些常识库是操纵人类的专业常识费尽血汗建立起来的,系统不能自己进修。
母级野生智能

神经标记野生智能还有一个母亲,而从原始数据中进修是它的优点,这就是深度神经收集。深度神经收集可以模仿我们大脑中的神经元收集,它由野生神经元或节点组成,每一层接收来自前一层的输入,并向下一层发送输出。这些信息以节点之间的毗连强度来编码,而不是人类可以了解的标记。
你知道神经符号人工智能吗?  外汇

举个例子,一个神经收集的使命是区分猫和狗的图像。图像——大概更切确地说,图像中每个像素的值——被输入到第一层节点,而最初一层节点输出标签为“猫”或“狗”。收集必须利用预先标志的猫和狗的图像停止练习。在练习进程中,收集会调剂节点之间的毗连强度,这样在对图像停止分类时,收集的毛病就会越来越少。一旦经过练习,深网便可以用来对新图像停止分类了。
究竟证实,深度神经收集在图像和语音识别以及说话之间的翻译等使命上很是强大。布朗大学的托马斯·塞尔在2019年视觉科学年度回首中探讨了深度神经收集在视觉智能方面的上风和优势!罢夥矫娴耐6偈蔷说!比,“与此同时,由于人们很是感爱好,对深度神经收集的限制越来越明显!
你知道神经符号人工智能吗?  外汇

获得练习数据价格高昂,偶然甚至是不成能的,而且在这方面深度神经收集是很懦弱的:比如,假如在图像上增加干扰乐音,就会破坏全部收集,致使它能够将熊猫归类为长臂猿。在没有大量练习数据的情况下,深度神经收集很难停止推理和回答笼统题目,比如立方体和圆柱体类似吗。
而且深度神经收集的一目了然也是出了名的:由于没有任何标记,只稀有百万甚至数十亿的毗连强度,人类几近不成能晓得计较机是若何获得答案的。这使得人们很难发现它出毛病的缘由,比如为什么会将熊猫归类为长臂猿。
神经标记野生智能的应战

可以看到深度神经收集的一些弱点恰好是标记野生智能的刚强,反之亦然。是以将两者连系似乎给出了一种强大的处理方式。大略地说,夹杂利用深度神经收集来取代人类构建标记常识库,而标记野生智能则可以操纵深度神经收集的气力,从原始数据中领会天下,然后利用标记停止推理。
2016年,研讨神经标记野生智能的研讨职员碰到了一个应战。斯坦福大学的李飞飞及其同事接管了一项使命,要务实现野生智能系统“推理和回答有关视觉数据的题目”。为此,他们发现了分解说话和根基视觉推理(CLEVR 数据集)。它包括了10万张由计较机天生的简单3D外形的图像,包括球体、立方体、圆柱体等等。
你知道神经符号人工智能吗?  外汇

对任何野生智能来说,应战在于分析这些图像并回答需要推理的题目。有些题目很简单,比如“方块比红色的工具少吗?”,但有些题目就复杂很多,比如“在青色方块前面的小橡胶筒前面有一个大的棕色方块,在它的左侧有大的青色金属立方体吗?”。
利用复杂的深度神经收集有能够处理这个题目。但是,考克斯和他的同事,以及谷歌的DeepMind和麻省理工学院的研讨职员,提出了一个截然分歧的处理计划,这个计划显现了神经标记野生智能的气力。
你知道神经符号人工智能吗?  外汇

研讨职员首先将这个题目分化成更小的块,就像标记野生智能一样。本质上,他们必须先看一幅图像,描写三维外形及其属性,然后天生一个常识库。然后,他们必须将一个英语题目转换成一个标记法式,该法式可以在常识库上运转并天生答案。在标记野生智能中,人类法式员将履行这两个步调。现在研讨职员决议让神经收集来取代人类法式员。
该团队经过利用一系列大量卷积神经收集处理了第一个题目。卷积神经收集是一种为图像识别优化的深度神经收集。在这类情况下,每个收集都被练习来检查图像并识别物体及其属性,如色彩、外形和范例(金属或橡胶)。
你知道神经符号人工智能吗?  外汇
循环神经收集
对于第二个题目,研讨职员利用了一种被称为循环神经收集的工具。这是另一种深层神经收集,被设想用来揭露顺序输入的形式。例如,语音就是一种顺序信息,像苹果的Siri这样的语音识别法式利用的就是循环神经收集。在这类情况下,收集接管一个题目并将其转换为标记法式形式的查询。循环收集的输出也被用来决议哪个卷积收集的使命是检察图像和以什么顺序履行。全部进程类似于按照需要天生常识库,然后让推理引擎在常识库上运转查询来推理和回答题目。
研讨职员利用来自CLEVR数据集的题目-答案练习这个神经标记野生智能,让它学会若何从图像中识别物体和它们的属性,以及若何正确处置题目。然后,他们利用一些新题目来测试练习成果。总的来说,其正确率为98.9%,这甚至跨越了人类。人类对一样题目标正确率只要92.6%。
你知道神经符号人工智能吗?  外汇

值得留意的是,这类练习只需要普通纯深度神经收集所需练习数据的10%。究竟上,当一般的深度神经收集在处理一个题目时,它需要在一大片潜伏的计划中寻觅正确的处理计划。这需要大量有标签的练习数据。但倘使有标记野生智能的帮助,它会缩小搜索处理计划的搜索范围,从而加速了进修速度。
更复杂的应战

这个系统的另一个上风是假如发生了毛病,人们很轻易看到那里出了题目。来自伦敦谷歌DeepMind的团队成员普希米·科利说:“你可以检查哪个模块工作不一般,需要改正!崩,调试器可以随时检查常识库或处置过的题目,看看野生智能在干什么。
现在,这类夹杂野生智能正在处理一些辣手的题目。2019年,科利和麻省理工学院、哈佛大学和IBM的研讨职员设想了一个更复杂的应战:野生智能必须基于视频而不是图像回答题目。这些视频以CLEVR数据集合出现的物体范例为特点,但分歧的是,这些物体都在移动,甚至发生碰撞。
你知道神经符号人工智能吗?  外汇

而且,野生智能需要回答的题目更难。这些题目有些是描写性的,比如“视频竣事时有几多金属物体在移动?”;有些需要猜测,比如“接下来会发生什么事务?是绿色的圆柱体和球体发生碰撞还是绿色的圆柱体与立方体碰撞”。
科利说,对于擅擅长发现数据中静态形式的深度神经收集来说,对随时候变化的事物停止这类因果关系和反究竟推理即使不是完全不成能,也是极为困难的。
为领会决这个题目,团队要求野生智能对CLEVR数据库停止预处置。首先,深度神经收集要学会将视频剪辑成一帧一帧的工具。这些信息随后被传送到另一个神经收集,这个神经收集将进修分析这些物体的活动以及它们之间是若何相互感化的,而且猜测物体的活动和碰撞。以后这两个模块一路天生一个新的常识库。
你知道神经符号人工智能吗?  外汇

按照一项测试,这个系统在回答描写性题目时的正确率约为88%,猜测性题目约为83%,反究竟性题目约为74%。对于其他人来说,改良这些成果的应战是存在的。
《战舰》游戏,提出好题目

问出好题目是野生智能需要具有的另一项技术。人类,甚至是儿童,都很擅长提出好题目!罢馐且恢盅有旎崽煜碌姆绞,而不必在那边期待无数的例子自己出现!迸υ即笱У睦晨怂!霸谔岢鎏饽糠矫,任何机械都比不上人类!倍窬昙且吧悄苷鸩较韵殖稣夥矫嫣爻。
你知道神经符号人工智能吗?  外汇

莱克和他的门生建造了一个神经标记野生智能来玩一个名为《战舰》的游戏。这个游戏包括一个6乘6的棋盘格,下面隐藏着三艘船,每艘船一格宽,两到四格长,其偏向可所以垂直的,也可以是水平的。每走一步,玩家可以挑选翻动一个格子,看看下面有什么,是水还是船的一部分。在游戏进程中,玩家可以用英语问任何题目。例如,玩家可以问:“红色的船有多长?”大概“三艘船的尺寸都一样吗?”等等。游戏的方针是正确猜测船只的位置。
莱克团队的神经标记野生智能由两个部分组成:一个卷积神经收集,可以经过观察棋盘来识别游戏状态;一个神经收集天生题目标标记暗示。
你知道神经符号人工智能吗?  外汇

他们利用了两种分歧的技术来练习他们的野生智能。第一种方式称为监视进修。团队向深度神经收集展现了大量的船只散布例子和响应的“好”题目,这些数据都来自人类玩家。野生智能终极学会了自己提出好题目,但很少有缔造性。
以后研讨职员利用了另一种被称为强化进修的练习方式。在这类方式中,深度神经收集每问一个能帮助找到船只的题目就会获得嘉奖。一样,它终极学会了提出正确的题目,这些题目既能供给信息,又有缔造性。
你知道神经符号人工智能吗?  外汇

此前,莱克和其他同事曾尝试用一种纯洁的标记野生智能处理这个题目。他们从人类玩家那边收集了一大堆题目,然后设想了一套语法来暗示这些题目。莱克说:“这些语法可以天生人们提出的一切题目,也可以天生无数其他题目。你可以把它设想成人们能够会问的题目标数据库!
对于给定的棋局状态,标记野生智能必须搜索这个庞大的数据库来找到一个“好”题目,这使得它很是慢。但是,神经标记野生智能速度惊人。一旦经过练习,深度神经收集在发生题目方面远远胜过纯洁的标记野生智能。
分歧的声音

但并非一切人都赞成神经标记野生智能是实现更强大野生智能的最好路子。布朗大学的赛尔以为这类夹杂方式很难接近人类笼统推理的复杂性。他以为人类大脑缔造出了对物体的笼统标记暗示,例如球体和立方体,并利用这些标记停止各类视觉和非视觉推理。
“我们用我们的生物神经收集实现了这个,但我们没有看到任何专门转化标记的组件!比!拔蚁M魏稳硕寄苷业酱竽灾械谋昙悄?!彼晕,人们正在为进步野生智能的才能寻觅更好的路子,比如在深度神经收集合增加模仿人类才能的功用(如留意力)。
你知道神经符号人工智能吗?  外汇

DeepMind的科利对神经标记野生智能有更现实的担忧。他担忧,这类方式能够没法处置比研讨项目中正在处置的题目更大的题目!敖癯,标记处置的部分仍然很少!笨评!暗蔽颐抢┐蠛土废氨昙遣糠,并处置更具应战性的推理使命时,工作能够会变得更具应战性!
“例如,标记野生智能的最大成功之一是用于医学的系统,比如那些按照病人的症状诊断病人的系统。它们具有大量的常识库和复杂的推理引擎。今朝的神经标记野生智能并不能处理任何如此大的题目!
自动驾驶

但是,麻省理工学院-IBM沃森野生智能尝试室的负责人考克斯在IBM的团队正在尝试这类方式。他们的一个项目触及可以用于自动驾驶汽车的技术。这类汽车的野生智能凡是包括一个经过练习的深度神经收集,它能识别情况中的物体并采纳适当的行动;当深度神经收集在练习中出错,比如撞上行人(固然是在模拟中)时,它就会遭到赏罚。
你知道神经符号人工智能吗?  外汇

“为了学会不做坏工作,它必须做坏工作,体验那些坏工具,然后在做好事之前找出30个步调,若何避免自己堕入窘境! 沃森野生智能尝试室小组成员内森·富尔顿说。 是以,进修平安驾驶需要大量的练习数据,而明显野生智能没法在现实天下中练习出来。
富尔顿和他的同事正在研讨一种神经标记野生智能来克服这些限制。野生智能的标记部分具有一个小常识库,里面包括哪些行动将是危险的等信息。他们用它来限制深度神经收集的一些行动,比如避免它撞到物体上。
你知道神经符号人工智能吗?  外汇

经过从一路头就解除某些挑选,这类简单的标记干涉大大削减了练习野生智能所需的数据量。虽然该项目还没有预备幸亏尝试室之外利用,考克斯设想未来,具有神经标记野生智能的汽车可以在现实天下中进修,经过标记组件来避免不良驾驶。
虽然否决者能够会训斥在深度进修中增加标记模块,以为这不能代表我们的大脑是若何工作的,但神经标记野生智能的支持者将这个模块性视为处理现实题目标一种上风。
你知道神经符号人工智能吗?  外汇

“当你有神经标记系统时,你就发现这些标记的瓶颈在那里!笨伎怂顾。这些瓶颈正是野生智能乞助于人类的地方。处理这些可以使野生智能具有表达息争释的才能,也供给了一个经过组合方式缔造复杂性系统的方式!罢馐呛苁乔看蟮,”考克斯说。

免责声明:假如加害了您的权益,请联系站长,我们会实时删除侵权内容,感谢合作!
感激您的阅读
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

Copyright © 2006-2014 肾病综合网为您提供最新最全面的肾病、肾衰竭、尿毒症治疗、饮食、护理资讯 版权所有 法律顾问:高律师 客服电话:0791-88289918
技术支持:迪恩网络科技公司  Powered by Discuz! X3.2
快速回复 返回顶部 返回列表